MediaPipe:Google Research 开源的跨平台多媒体机器学习模型应用框架
作者 | MediaPipe 团队
来源 | TensorFlow(ID:tensorflowers)
MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。在谷歌,一系列重要产品,如 YouTube、Google Lens、ARCore、Google Home 以及 Nest,都已深度整合了 MediaPipe。
注:MediaPipe GitHub 链接https://github.com/google/mediapipe
作为一款跨平台框架,MediaPipe 不仅可以被部署在服务器端,更可以在多个移动端 (安卓和苹果 iOS)和嵌入式平台(Google Coral 和树莓派)中作为设备端机器学习推理 (On-device Machine Learning Inference)框架。
为什么需要 MediaPipe?
一款多媒体机器学习应用的成败除了依赖于模型本身的好坏,还取决于设备资源的有效调配、多个输入流之间的高效同步、跨平台部署上的便捷程度、以及应用搭建的快速与否。
基于这些需求,谷歌开发并开源了 MediaPipe 项目。除了上述的特性,MediaPipe 还支持 TensorFlow 和 TF Lite 的推理引擎(Inference Engine),任何 TensorFlow 和 TF Lite 的模型都可以在 MediaPipe 上使用。同时,在移动端和嵌入式平台,MediaPipe 也支持设备本身的 GPU 加速。
MediaPipe 演示案例
在今年六月举行的 CVPR 会议上,Google Research 开源了 MediaPipe 的预览版。为方便开发者学习和使用,我们提供了多个桌面系统和移动端的示例。作为一款应用于多媒体的框架,现已开源的安卓和苹果 iOS 示例包括:
3D 手部标志追踪(3D Hand Tracking)
- BlazeFace 人脸检测(Face Detection)
- 改换发色(Hair Segmentation)
- 物体检测(Object Detection)
3D 手部标志追踪
人脸检测
MediaPipe 主要概念
注:计算单元 链接https://github.com/google/mediapipe/tree/master/mediapipe/calculators
- MediaPipe 苹果 iOS Hello World! 教程和代码
- MediaPipe 安卓 Hello World! 教程和代码
注:MediaPipe BlazePlam 手掌检测应用 链接https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_detection_mobile_gpu.md
- MediaPipe GitHub & 联系我们https://github.com/google/mediapipemediapipe@google.com
- MediaPipe ReadtheDocs 文档https://mediapipe.readthedocs.io/en/latest/
- MediaPipe BlazeFace 人脸检测应用https://github.com/google/mediapipe/blob/master/mediapipe/docs/face_detection_mobile_gpu.md
- MediaPipe 手部标志追踪应用https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_tracking_mobile_gpu.md
- MediaPipe 改换发色应用https://sites.google.com/corp/view/perception-cv4arvr/hair-segmentation
- MediaPipe 示例https://github.com/google/mediapipe/blob/master/mediapipe/docs/examples.md
- MediaPipe 苹果 iOS Hello World! 教程和代码https://github.com/google/mediapipe/blob/master/mediapipe/docs/hello_world_ios.md
- MediaPipe 安卓 Hello World! 教程和代码https://github.com/google/mediapipe/blob/master/mediapipe/docs/hello_world_android.md
- MediaPipe Visualizerhttps://viz.mediapipe.dev
- MediaPipe Third Workshop on Computer Vision for AR/VR 论文https://sites.google.com/corp/view/perception-cv4arvr/mediapipe
◆
精彩推荐
◆
倒计时!由易观携手CSDN联合主办的第三届易观算法大赛还剩 7 天,冠军团队将获得3万元!
本次比赛主要预测访问平台的相关事件的PV,UV流量(包括Web端,移动端等),大赛将会提供相应事件的流量数据,以及对应时间段内的所有事件明细表和用户属性表等数据,进行模型训练,并用训练好的模型预测规定日期范围内的事件流量。
推荐阅读
知乎算法团队负责人孙付伟:Graph Embedding在知乎的应用实践
必看,61篇NeurIPS深度强化学习论文解读都这里了
打破深度学习局限,强化学习、深度森林或是企业AI决策技术的“良药”
激光雷达,马斯克看不上,却又无可替代?
卷积神经网络中十大拍案叫绝的操作
Docker是啥?容器变革的火花?
5大必知的图算法,附Python代码实现
阿里云弹性计算负责人蒋林泉:亿级场景驱动的技术自研之路
40 岁身体死亡,11 年后成“硅谷霍金”,他用一块屏幕改变 100 万人!
AI大神如何用区块链解决模型训练痛点, AI+区块链的正确玩法原来是这样…… | 人物志
MediaPipe:Google Research 开源的跨平台多媒体机器学习模型应用框架相关推荐
- MediaPipe: Google Research 开源的跨平台多媒体机器学习模型应用框架
点击我爱计算机视觉标星,更快获取CVML新技术 本文转载自TensorFlow. CV君:今天跟大家分享一篇来自谷歌的文章,介绍了Google Research 开源的多媒体机器学习模型应用框架Med ...
- Google FlatBuffers——开源、跨平台的新一代序列化工具
>>> Google FlatBuffers--开源.跨平台的新一代序列化工具 转载自:http://www.cnblogs.com/lizhenghn/p/3854244.html ...
- 使用pmml跨平台部署机器学习模型Demo——房价预测
基于房价数据,在python中训练得到一个线性回归的模型,在JavaWeb中加载模型完成房价预测的功能. 一. 训练.保存模型 工具:PyCharm-2017.Python-39.sklearn2 ...
- 如何利用 Google 开源的 TFCO 构建机器学习模型?
在机器学习模型中引入公平性远非易事,本文就利用Google AI研究院开源的Tensor Flow Constrained Optimization Library(TFCO),来优化机器学习模型的各 ...
- 利用colab保存模型_在Google Colab上训练您的机器学习模型中的“后门”
利用colab保存模型 Note: This post is for educational purposes only. 注意:此职位仅用于教育目的. In this post, I would f ...
- 使用pmml实现跨平台部署机器学习模型
一.概述 对于由Python训练的机器学习模型,通常有pickle和pmml两种部署方式,pickle方式用于在python环境中的部署,pmml方式用于跨平台(如Java环境)的部署,本文叙述的 ...
- 腾讯AI Lab开源世界首款自动化模型压缩框架PocketFlow:将深度学习装进口袋
来源:腾讯AI 实验室 腾讯AI Lab机器学习中心今日宣布成功研发出世界上首款自动化深度学习模型压缩框架--PocketFlow,并即将在近期发布开源代码.这是一款面向移动端AI开发者的自动模型压缩 ...
- 用PMML实现机器学习模型的跨平台上线
在机器学习用于产品的时候,我们经常会遇到跨平台的问题.比如我们用Python基于一系列的机器学习库训练了一个模型,但是有时候其他的产品和项目想把这个模型集成进去,但是这些产品很多只支持某些特定的生产环 ...
- java调用pmml_用PMML实现机器学习模型的跨平台上线
在机器学习用于产品的时候,我们经常会遇到跨平台的问题.比如我们用Python基于一系列的机器学习库训练了一个模型,但是有时候其他的产品和项目想把这个模型集成进去,但是这些产品很多只支持某些特定的生产环 ...
最新文章
- 一场实验室意外爆炸事故,解决了58年量子难题,让科学家意外发现“核电共振”...
- 系统集成资质培训 - 标准系列 -软件文档管理指南
- popupmenu java_Java基于JPopupMenu实现系统托盘的弹出菜单,解决PopupMenu弹出菜单中文乱码...
- RabbitMQ(四) Work模式下的消息产生以及消费代码实现示例
- 你不是一个人在战斗!
- 标准库举例:sys、copy
- STM-1和SDH的关系
- Struts2+Spring3+MyBatis3整合以及Spring注解开发
- 关于DiskFileUpload的杂谈
- TouchDesigner学习 全屏输出
- 坚果nuts 加速 官网_坚果 R2 发布:骁龙 865、1 亿像素、双曲面屏,售价 4499 元...
- jQuery ThickBox很好很弓虽大
- 怎样批量给pdf文件添加水印?
- linux 防火墙文件路径,linux防火墙设置
- WS-Trust和WS-SecureConversation
- Python的优点与缺点
- 隐藏在sketch的10个实用技巧,学会就是赚到!
- 【JavaScript】开工竣工工期计算
- springboot启动报错org.yaml.snakeyaml.error.YAMLException...
- 过采样和欠采样问题(二分类数据不均衡)